買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜杭州電子科技大學申請的專利基于動態步長PSO優化神經網絡的電梯故障診斷方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114648096B 。

龍圖騰網通過國家知識產權局官網在2025-05-30發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210214439.9，技術領域涉及：G06N3/0442；該發明授權基于動態步長PSO優化神經網絡的電梯故障診斷方法是由邢豪蔚;陳科明設計研發完成，并于2022-03-07向國家知識產權局提交的專利申請。

本基于動態步長PSO優化神經網絡的電梯故障診斷方法在說明書摘要公布了：本發明公開了一種基于動態步長PSO優化神經網絡的電梯故障診斷方法。本發明通過傳感器獲取的多項詳細運行數據后，基于物聯網技術由網關把采集到的數據上傳到云數據平臺并進行分析，首先使用歸一化方法對電梯原始數據進行預處理，線性處理且保證不影響數據的有效性，且優化后續算法對電梯故障診斷的準確度、穩定性和泛用性。然后使用ReliefF算法篩選眾多特征參數，留下與所要檢測故障類型相關性較大的特征值，建立多層感知神經網絡模型。使用改進后的動態步長PSO算法對神經網絡進行優化，確定足夠精確的權重、閾值等關鍵參數，做到輸入特征值到輸出故障的準確映射。本發明可以提高檢測電梯故障類型的準確率和效率。

本發明授權基于動態步長PSO優化神經網絡的電梯故障診斷方法在權利要求書中公布了：1.基于動態步長PSO優化神經網絡的電梯故障診斷方法，其特征在于該方法包括以下步驟：步驟S1：通過電流傳感器、電壓傳感器、振動傳感器、力傳感器、位置傳感器、速度傳感器獲取電梯運行時的實時數據，即電梯運行數據，使用歸一化方法對電梯運行數據進行預處理；步驟S2：將每一類電梯運行數據記為一種特征，則電梯運行數據的所有類型為特征值集；將四個故障類型作為輸出層，將預處理后的電梯運行數據通過reliefF方法篩選與四個故障類型相關性強度前十的特征值集作為輸入層；步驟S3：建立BP神經網絡，所述的BP神經網絡由包含十個節點的輸入層、包含八個節點的中間隱含層和包含四個節點的輸出層組成，并設置BP神經網絡的誤差目標；步驟S4：初始化粒子群優化算法的參數與結構，將步驟S3中建立的BP神經網絡的誤差函數作為適應度函數；設置退出粒子群優化算法的滿足條件，包括限制目標適應度函數值、最大迭代次數；將BP神經網絡的權值與閾值作為粒子的位置；隨機初始化粒子群種群數量及各個位置、速度，限制最大迭代次數；步驟S5：通過改進后的粒子群優化算法的迭代公式對粒子的位置與速度進行更新，其中改進之處在于：加入粒子的移動步長因子，使得粒子的移動與個體適應度在群體中的優劣程度有關；步驟S6：將粒子群算法每一次迭代后的粒子進行適應度排序，將適應度較劣的13粒子看做煙花算法的煙花，產生火花，通過精英-輪盤賭的策略選擇下一代粒子；循環迭代后若粒子群滿足條件則最終輸出全局最優解；步驟S7：將粒子群全局最優解作為BP神經網絡初始權重與閾值，完成BP神經網絡的優化；將70%的預處理后的電梯運行數據通過優化后的BP神經網絡進行訓練，將30%的預處理后的電梯數據通過優化后BP神經網絡進行測試；步驟S8：將相同的電梯數據通過沒有優化的標準BP神經網絡進行訓練與測試，將訓練測試結果與步驟S7的訓練測試結果進行對比，證明優化后的BP神經網絡相比于標準BP神經網絡對于電梯故障診斷的準確率有一定的提升；步驟S9：將優化后的BP神經網絡應用于電梯故障診斷中；所述步驟S2，包含以下步驟：步驟S2.1：從所有獲取到的電梯運行數據中隨機選擇一個樣本a，從樣本a同類的樣本中尋找k個最近鄰近樣本；步驟S2.2：從所有其它與樣本a不同分類的樣本組內，也分別取出k個最近鄰樣本；步驟S2.3：計算每個特征的權重，取其平均值；步驟S2.4：對所有特征的權重平均值進行排序，取得權重排名前十的特征值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。